法律状态公告日
法律状态信息
法律状态
2022-06-28
公开
发明专利申请公布
技术领域
本发明涉及多能互补系统优化调度研究领域,具体涉及一种基于源荷双侧不确定的多能互补系统优化调度方法。
背景技术
近年来,随着煤、石油、天然气为代表的化石能源的枯竭以及人类生态环境的日益恶劣,为了应对能源的短缺、环境日益恶化的挑战,我国正在以更加积极的姿态参与到全球气候治理的进程中,促进了能源互联网在全球的关注度:优先开发太阳能、风能、水能等清洁能源是保护生态,降低化石能源污染的重要途径,且利用多种能源天然互补特性,实施多能互补是完成能源技术革命的战略需求。
随着国家政策的大力支持,风、光、水等清洁能源基地不断扩大,可再生能源受到了极大的关注与发展。新形势下,电力系统中发电和用电呈现多元化,以风电、光伏为代表的新能源发电比重大幅增加,截止到2020年,我国风力发电装机容量从2015年的12235万千瓦至2020年已经达到28153万千瓦,光伏装机容量从4352万千瓦增长至25334万千瓦。至2020年,风电、光伏装机容量占我国电源装机总量达到12.76%和11.52%。以风电光伏为代表的清洁能源装机容量快速增长,如何实现能源清洁高效的利用逐渐成为人们关注的重点。
多能互补系统的引入提高了可再生能源的消纳,但其间歇性和难以预测性又给多能互补系统优化调度带来巨大挑战。目前风电、光伏等不确定性电源出力及负荷功率出力的预测值已通过多种技术提高了预测准确度,但受自然天气和未知因素的影响,实际预测值和出力值仍存在不小误差。然而,制定电网日前调度计划时大部分仍采用预测值为计划值,如果出现较大偏差,会影响运行可靠性。因此,在开展多能互补机理分析时,需充分计及不确定性的影响,对电力系统的能源规划、调度策略制定以及新能源的消纳都具有重要意义。
现有技术中涉及多能互补系统优化调度存在的弊端有:
1)、针对多能互补系统,大部分集中在风光、风水等两种能源进行研究,针对三种及以上的能源研究较少,且对互补发电系统的互补程度鲜有研究。
2)、目前针对不确定性因素对调度计划影响的研究,落脚点主要集中于大规模间歇性能源接入的不确定性,而针对负荷侧不确定性对调度计划影响的研究较为少见。
3)、针对现有处理不确定的方法,模糊机会约束法具有不依赖充分的信息,且实际结果可以兼顾系统风险与成本的优点。
发明内容
发明提出一种基于源荷双侧不确定的多能互补系统优化调度方法,从能源消纳、经济性、可靠性方面对多能互补系统进行调度,能够为多能互补系统调度提供有效的技术支持和参考。
本发明采取的技术方案为:
基于源荷双侧不确定的多能互补系统优化调度方法,包括以下步骤:
步骤1:获取多能互补系统中的风、光、水、火电机组和储能的台数及运行参数;获取风电、光伏的历史数据、预测数据以及多能互补系统的负荷预测数据;
步骤2:考虑多种能源之间的互补特性,引入互补系数及其净负荷波动,对互补程度进行量化;
步骤3:针对电源侧和负荷侧预测值的不确定性,引入模糊机会约束法,修正风电、光伏出力以及负荷预测数据;
步骤4:建立多能互补系统调度模型,以系统经济性最优为目标函数,计及各机组的约束条件;
步骤5:基于步骤4建立的多能互补系统调度模型,将模糊机会约束转换为清晰等价类约束,并采用求解器进行求解,得出各机组最优出力情况。
所述步骤1中,多能互补系统的组成元件包含引入的新能源和其他设备;
引入的新能源具体指的是风电厂、光伏电站和水电机组;其他设备具体指的是火电厂和储能电站;
风、光、水、火电机组和储能的运行参数具体包括各个机组的出力上下限;火电机组的爬坡速率、开停机时间、煤耗量系数及储能电站的储能电量、自损率和充放电速率。
风电、光伏的历史数据具体包括实测风速、大气压、风电厂输出的有功功率、光照强度、光伏板与地面的夹角、光伏电站的输出功率。
风电、光伏的预测数据具体包括一个调度周期(24h)内风电、光伏电站的预测输出功率。
多能互补系统的负荷预测数据具体包括一个调度周期(24h)内用户所需电负荷的预测值。
所述步骤2中,根据多能互补系统运行特点,为更加直观的反映能源之间的互补程度,引入互补系数和净负荷波动进行量化;
为充分发挥能源之间互补特性,对比不同电源组合的互补程度,定义互补系数I
其中:I
考虑互补系数I
P
其中:σ为净负荷波动;P
所述步骤3中,考虑电源侧和负荷侧预测值的不确定性,将风电、光伏及负荷出力作为不确定性变量,模糊参数为
模糊机会约束法描述如下:
模糊机会约束是指约束条件中含有模糊参数,采用此方法进行优化调度时,允许调度结果在一定程度上不满足约束条件,但调度结果成立的概率不小于设定的置信水平,即模糊机会约束表示形式为:
其中,x为决策向量;f(x)为目标函数;ξ为模糊参数向量;g(x,ξ)为约束函数;α为置信水平;C
为了充分体现间歇性电源和负荷不确定性,本发明将风光出力和负荷功率作为决策变量,上下限用模糊参数表示。在模糊参数隶属度方面采用三角形隶属度函数表示,由于三角形模糊参数不能直接进行公式计算,所以本发明采用数值等价方法,即:
因此风、光、负荷日前预测出力为:
其中:P
所述步骤4中,建立基于模糊机会约束的多能互补系统调度模型,该模型考虑各种能源之间的互补特性及经济效益,并采用模糊机会约束法计及间歇性能源和负荷预测值带来的不确定性影响。以经济性最优为目标函数,考虑各个机组出力的约束条件,具体如下:
①:目标函数:
考虑火电机组运行启停成本和系统弃风弃光惩罚成本,即:
min f=C
其中:C
②:功率平衡约束:
由于风电、光伏和负荷出力含有不确定变量,所以确定条件下的功率平衡失去了意义,因此在制定调度计划时需考虑不确定性带来的影响,使功率在一定置信水平上大致平衡,即:
其中:P
③:旋转备用约束:
系统旋转备用约束中含有不确定性变量,采用模糊机会约束表示为:
④:风电、光伏和水电出力约束:
0≤P
0≤P
P
其中:P
⑤:火电机组约束:
-r
其中:
⑥:储能约束:
u
S
S
其中:S
所述步骤5中,根据步骤4基于模糊机会约束的多能互补系统调度模型,求解时将模糊参数与决策变量相分离,转化为清晰等价类约束,然后求解器CPLEX进行求解,得出各机组最优出力情况;
模型等价:
根据不确定规划理论,置信水平α≥0.5时,将功率平衡约束、旋转备用约束转换为三角模糊参数下的清晰等价类,即:
功率平衡约束的清晰等价类:
P
旋转备用约束的清晰等价类:
其中:P
模型求解:
经过对所建模型模糊约束处理后,可将本发明提出的模糊调度模型转化为确定性模型,并采用求解器CPLEX进行求解,得出多能互补系统的最优调度策略以及不同机组组合的出力情况和互补程度。
本发明一种基于源荷双侧不确定的多能互补系统优化调度方法,技术效果如下:
1)本发明综合考虑多种能源的互补特性及风光、负荷预测值的不确定性对系统优化调度带来的影响,在能源消纳、经济性、可靠性方面性能均得到提高。
2)本发明方法采用模糊机会约束法处理源荷双侧的不确定性,与传统确定性模型相比,本发明方法制定机组出力计划更接近实际运行情况,结果更具参考价值。通过选择不同置信水平兼顾系统风险与成本,在能够承受一定的风险下达到经济性最优的出力方案。
附图说明
图1为本发明多能互补系统调度的流程图。
图2为基于模糊机会约束的多能互补系统调度模型图。
图3为应用结果中风电、光伏及负荷的预测曲线图。
图4(1)为应用结果中不同电源组合的净负荷曲线图一;
图4(2)为应用结果中不同电源组合的净负荷曲线图二;
图4(3)为应用结果中不同电源组合的净负荷曲线图三;
图4(4)为应用结果中不同电源组合的净负荷曲线图四。
图5为应用结果中各时段机组出力及负荷曲线图。
具体实施方式
如图1所示,基于源荷双侧不确定的多能互补系统优化调度方法,考虑多种能源之间的互补特性,采用多种能源互补发电系统促进新能源消纳,同时计及电源侧和负荷侧双重不确定性对多能互补系统优化调度带来的影响,建立基于模糊机会约束法的多能互补系统调度模型,从能源消纳、经济性、可靠性方面对多能互补系统进行调度,得到系统的最优调度策略以及不同机组组合的出力情况和互补程度。该方法能够为多能互补系统调度提供有效的技术支持和参考意见。具体包括以下步骤:
步骤1:确定多能互补系统的具体组成,获取系统中的风、光、水、火电机组和储能的台数及运行参数,风电、光伏的历史数据、预测数据以及系统负荷预测数据;
步骤2:考虑多种能源之间的互补特性,引入互补系数及其净负荷波动对互补程度进行量化;
步骤3:针对电源侧和负荷侧预测值的不确定性,引入模糊机会约束法,修正风电、光伏出力及负荷预测数据;
步骤4:建立基于模糊机会约束的多能互补系统调度模型,以系统经济性最优为目标函数,计及各机组的约束条件。
步骤5:根据所述多能互补系统模型,为简化模型的求解过程,将模糊机会约束转换为清晰等价类约束,并采用商业求解器CPLEX进行求解,得出各机组最优出力情况。
所述步骤1中,对系统进行分析,确定多能互补系统的组成元件,包含引入的新能源和其他设备,获取系统中的风电、光伏、水电、火电机组和储能装置的台数及运行参数,输入风电和光伏的预测数据、负荷预测数据,对多能互补系统进行优化调度。
所述步骤2中,根据多能源系统运行特点,为更加直观的反映能源之间的互补程度,引入互补系数和净负荷波动进行量化,具体为:
为充分发挥能源之间互补特性,对比不同电源组合的互补程度,定义互补系数I
其中:I
考虑互补系数的同时也考虑净负荷波动,其中定义净负荷波动为系统中扣除风光水储出力后的火电机组承担的剩余负荷量,即:
P
其中:σ为净负荷波动;P
P
P
模糊机会约束法描述:
模糊机会约束是指约束条件中含有模糊参数,采用此方法进行优化调度时,允许调度结果在一定程度上不满足约束条件,但调度结果成立的概率不小于设定的置信水平,即模糊机会约束表示形式为
其中,x为决策向量;f(x)为目标函数;ξ为模糊参数向量;g(x,ξ)为约束函数;α为置信水平;C
不确定性描述:
为了充分体现间歇性电源和负荷不确定性,本发明将风光出力和负荷功率作为决策变量,上下限用模糊参数表示。在模糊参数隶属度方面采用三角形隶属度函数表示,由于三角形模糊参数不能直接进行公式计算,所以本发明采用数值等价方法,即:
因此风、光、负荷日前预测出力为:
其中:P
所述步骤4中,本发明建立基于模糊机会约束的多能互补系统调度模型,如图2,该模型考虑各种能源之间的互补特性及经济效益,并采用模糊机会约束法计及间歇性能源和负荷预测值带来的不确定性影响。以经济性最优为目标函数,考虑各个机组出力的约束条件。具体如下:
目标函数:
本发明考虑火电机组运行启停成本和弃风、弃光惩罚成本,即:
min f=C
其中:C
功率平衡和旋转备用约束:
1)功率平衡约束由于风电、光伏和负荷出力含有不确定变量,所以确定条件下的功率平衡失去了意义,因此在制定调度计划时需考虑不确定性带来的影响,使功率在一定置信水平上大致平衡,即:
其中:P
2)旋转备用约束
系统旋转备用约束中含有不确定性变量,采用模糊机会约束表示为:
元件运行约束:
1)风电、光伏和水电出力约束
0≤P
0≤P
P
其中:P
2)火电机组约束
-r
其中:
3)储能约束
u
S
S
其中:S
所述步骤5中,根据上述基于模糊机会约束的多能互补系统调度模型,求解模糊机会约束问题时将模糊参数与决策变量相分离,转化为清晰等价类,然后采用传统方法进行求解。具体如下:
模型等价:
根据不确定规划理论,置信水平α≥0.5时,将功率平衡约束、旋转备用约束转换为三角模糊参数下的清晰等价类,即:
功率平衡约束的清晰等价类:
旋转备用约束的清晰等价类:
其中:P
模型求解:
经过对所建模型模糊约束处理后,可将本发明提出的模糊调度模型转化为确定性模型,并采用商业求解器CPLEX进行求解,得出多能互补系统的最优调度策略以及不同机组组合的出力情况和互补程度。
验证实施例:
(1)基本数据与参数:
系统中含有5台火电机组见表1、1个总容量为300MW风电厂、1个总容量为50MW光伏电站和1台100MW的水电站;储能装置中最大储能电量S
表1火电机组相关数据
选取典型夏季日24h作为研究对象,风电、光伏和负荷预测曲线见图3,风电、光伏和负荷预测值对应的模糊隶属参数见表2,弃风弃光惩罚费用均为233元(/MWh)。
表2模糊参数
(2)多能互补系统调度分析:
根据多能源系统运行特点,发现风电和光伏、风电和水电、水电和光伏及风电、光伏和水电具有差异性,也具有较强的互补特性,本发明分别从两两互补和三者互补的角度分析,且考虑风光及负荷的不确定性,置信水平为0.9时,调度结果如下表3。
表3不同组合下的调度结果
由表3可知:本发明所建立的风光水互补发电系统调度结果最优,即对应的互补系数、净负荷波动和火电机组出力峰谷差均最小。
不同电源组合的净负荷曲线见图4(1)~图4(4)。由图4(1)~图4(4)可看出:风光水互补运行时,整体曲线较为平滑,在负荷低谷时段(1:00-3:00)净负荷曲线趋于直线,高峰时段(10:00—14:00)明显降低了负荷峰值,与初始负荷峰值相比降低了289.2MW,火电机组峰谷差为645.04MW,净负荷波动为164.62,达到了很好的削峰填谷目的。通过表3和图4(1)~图4(4)对风光互补分析,其互补系数相对较高为0.0197,说明在此情景下互补性相对其他互补情景较低;风光互补时在峰值时段比较高,低谷时段比较低,所以波动性较大,峰谷差为810.4MW,为抑制波动,频繁调整火电机组的出力,会导致经济性变差。
当系统只考虑风水互补时,净负荷波动曲线相对平滑,峰谷差为799.9MW,互补系数相对较小为0.0151,由于风火装机总容量为400MW,所以此时火电机组会减少一定的出力,经济性较优为48.44MW。
当系统只考虑光水互补时,净负荷曲线与负荷曲线波动性相一致,峰谷差为713.28MW,互补系数良好为0.0174。由于光水的装机容量比较小,所以大部分采用火电机组来应对负荷出力,导致经济性与其他情景相比最差。
由此可知,本发明采用的风光水火储多能互补系统,大大提高了新能源利用率,降低火电机组出力。
(3)源荷双侧不确定的调度结果:
为验证本发明所提模糊机会约束模型的有效性,采用两种情景进行对比,设定模型中的置信水平为0.9,如表4所示。
情景1:采用传统调度模式,即系统功率平衡的确定性模型,同时为应对源荷的不确定性,本发明将备用容量设定为负荷预测的10%,风光出力的5%。
情景2:采用本发明提出的模糊机会约束法应对间歇性电源和负荷预测的不确定性。
表4不同情景下的调度结果
由表4可知:本发明所提模型调度结果最优,火电机组运行启停成本为47.72万元,弃风弃光率为7.76%,系统经济成本为56.21万元。与确定性调度模型相比,考虑不确定性的调度模型中火电机组运行启停成本减少了10.47万元、系统经济成本降低了33.4%、备用容量减少了1118.03MW,风光消纳率提高了19.54%。主要因为传统确定性模型是在误差为零时成立,为保证系统正常运行所需的旋转备用容量较大,因此增大了系统经济成本。而本发明提出的模糊机会约束是在一定置信水平下满足功率平衡,此模型优化范围更广,经济性较好。
当置信水平为0.9时,各时段机组出力及负荷曲线如图5所示。由图5可看出:负荷曲线有时高于机组出力,高出的部分由储能装置进行放电,满足负荷需求。当负荷处于峰值时段(10;00-13:00)火电机组1、3、4的出力达到最大值;当负荷处于第二个峰时段(18:00-21:00)火电机组1、5达到满发;各个机组出力已包含对风光及负荷预测不确定性的备用容量,对于5台火电机组而言,由于第1台机组与第2台机组功率相近,在经济性最优的前提下,第2台火电机组出力始终为0,通过调节其他4台机组的出力满足负荷需求。由于光伏出力占比较小,在图中未显示。
综上:本发明综合考虑多种能源的互补特性及风光、负荷预测值的不确定性对系统优化调度带来的影响,建立了基于模糊机会约束的多能互补系统调度模型,在能源消纳、经济性、可靠性方面均得到提高。应用结果表明,风光水联合运行时互补程度最好,互补系数最小为0.0098;与传统确定性模型相比,本发明模型系统经济成本降低了33.4%,风光消纳量提高了19.54%。